システムを作り終えたのに、評価される経路がない——という詰まり方は、AI自動化を副業で始めたエンジニアにあるあるだと思う。動くものが手元にあるのに、それが誰かに届かなければ、作っていないのと同じだ。
自分もAI自動化のシステムを副業で組む中で、その感覚を何度も経験してきた。ブログ（WordPress）やXへの投稿を自動で回す仕組みを作り、品質の計測記録を積み上げてきた。動いている実感はある。だが、それが誰かから評価される経路になっているかというと、別の話だ。
2026年6月、そのことを改めて整理してくれるニュースがあった。
「世界最高の職場」にいても、人は次を選ぶ
Google DeepMindは、AIを語る文脈で「世界最強の研究組織のひとつ」として長く名前が挙がってきた。Googleの潤沢なリソース、世界中から集まった研究者、AlphaFoldやAlphaGoという歴史的な成果。これだけ条件が揃っていれば、「ここを離れる理由がない」と外から見れば感じるはずだ。
それでも、人は去った。
ノーベル賞受賞者のJohn Jumperが、約9年在籍したDeepMindを離れ、AIの安全性研究で知られるAnthropicへ移籍した。その数日前には、Geminiの推論アーキテクチャ（AIが答えを導き出す計算の骨組み）を共同で設計したNoam ShazeerがOpenAIへ転じた。さらにその数週前には、AlphaGoとAlphaZeroという強化学習（試行錯誤を繰り返してAI自身が強くなる仕組み）の頂点を作り上げたDavid Silverが、世界モデルと強化学習に特化した自分のスタートアップを立ち上げるために去っていた。
数ヶ月のうちに、DeepMindを代表するAI研究者が3人。業界では「人材流出」と報じられているが、自分には「代表作を持った人間が次を選んだ」という見え方の方がしっくりきた。
ノーベル賞受賞者がAnthropicを選んだ、その背景
AlphaFold——タンパク質構造予測AIが変えたもの
John JumperがDeepMindで9年かけて核心を担ったプロジェクトがAlphaFoldだ。
タンパク質は、私たちの体の中で酵素・ホルモン・抗体など、生命活動のほぼ全てを担う分子だ。その立体的な折り畳み構造（どんな形に巻かれているか）がわかれば、病気の仕組みを理解したり、新薬を開発したりする精度が飛躍的に上がる。しかし従来は、1種類のタンパク質の構造を解明するのに実験室で何年もかかる難題だった。
AlphaFoldはそれをAIで解いた。アミノ酸の配列情報を入力するだけで、立体構造を高精度に予測できる。研究者が何年もかけてやっていたことを、AIが数秒で出してしまう。これが生命科学・創薬分野に与えた影響は、「革命的」という言葉が軽く聞こえるほどだった。
2024年のノーベル化学賞が、このAlphaFoldの開発でJumperとDeepMind CEO・Demis Hassabisに贈られた。Hassabisは受賞後にXで「John との特別なパートナーシップに感謝する」「AlphaFoldは世界を変えた」と公開コメントしている。
世界を変えたと評価された仕事の当事者が、それでも次を選んだ。この事実が今回の移籍をニュース以上の読み物にしている。
数ヶ月でDeepMindを去った3人の名前
3人の去り方には、共通する構造がある。全員が「DeepMindでの代表作を完成させた後に次を選んだ」という点だ。
- John Jumper — AlphaFoldを完成させ、ノーベル賞という評価を受け取った後でAnthropicへ
- Noam Shazeer — GeminiのAIシステムの推論設計という大仕事を終えた後でOpenAIへ
- David Silver — AlphaGo・AlphaZeroという強化学習の金字塔を打ち立てた後で自分のスタートアップへ
3人とも、DeepMindを離れる前に「自分の名前と強く結びついた成果物」を持っていた。そのポートフォリオがあることで、「この人物が何を作れるか」を外から検証できる状態になっていた。
「良い条件に誘われたから動いた」というよりも、「作るべきものを作り終えたから、次の問いを自分で選べた」に近い動き方だと自分には見える。
「どこにいるか」より「何を作ったか」が人を動かす
AI研究者の話からフリーランス・副業の文脈に引き寄せるのは、唐突に見えるかもしれない。ただ、動く構造は変わらない。
SIerで5年間システムを作り続けても「転職の選択肢が広がらない」と感じる人が多い。その理由の多くは「自分の仕事が会社の内側にしか存在しない」からだ。要件定義書も設計書もコードも、会社のサーバにある。外から見えない。評価できない。
「5年間、社内の基幹システム開発を担当しました」という実績は、その仕事が本当に難しい問題を解いていたとしても、外部から検証する方法がない。結果として、年齢・資格・社名という代替指標で戦うゲームになる。仕事の中身ではなく、ラベルを競う構造だ。
Jumperが持っていたのは「グローバルで参照・評価できる成果物」だった。「AlphaFoldを作った研究者」というラベルは、どんな組織にとっても欲しい形で機能する。評価の経路が外に開いていた。
AI時代は、この「外に開いた評価経路を持てるかどうか」のハードルが、個人でも超えやすくなっている。大規模な研究インフラがなくても、個人でAI自動化のシステムを動かせる。その過程と結果を言語化して外に出せる。以前は組織の中にしか作れなかった種類の実績が、個人でも積める環境になってきた。
ただし、積めるようになっただけで、実際に積んでいる人はまだ少ない。多くの副業エンジニアは「動くものを作ること」で止まり、「それを外に出すこと」まで行かない。動くシステムがあっても、外から参照できる記録がなければ評価されない。
AI時代に個人が積める実績の種類を考える
副業やフリーランスで「評価につながる実績」を積むには、何をどう積めばいいか。
自分がAI自動化のシステムをブログ（WordPress）やX向けに組んできた中で感じてきたのは、「外から見える成果の粒度を細かくするほど積みやすい」ということだ。大きな一個の成果より、小さくても連続した記録の方が、実力として伝わりやすい。
実績には大きく3種類があると思っている。
① 動くものを作った実績
実際に動くシステムやツール。「こういう問題を、こういう方法で解いた」という情報が外から参照できる形になっているものだ。GitHubのリポジトリでも、ブログ記事でも、デモ動画でも形は何でもいい。重要なのは「動くものが存在する事実と、何を解いたかの説明がセットになっている」ことだ。コードだけ書いても、説明がなければ外から評価できない。
② 数字で話せる実績
「投稿作業にかかっていた時間が週3時間から30分になった」「品質スコアが6点台から7点台に改善した」のように、自分の計測値で話せる改善の記録だ。他人の数字ではなく、自分の手元で出た数字でなければ意味がない。「改善した」と言うだけでなく、「何がどれだけ変わったか」まで言えると、外から評価可能な実績になる。
自分のAI自動化システムに品質チェックの仕組みを組んでいくうちに、数字が動く記録を持つことの説得力を実感してきた。何かが変わったと言えることと、どれだけ変わったかを数字で言えることの間には、信頼性に大きな差がある。
③ 失敗と対処を言語化した実績
うまくいかなかった事例と、それをどう直したかの記録だ。「こういうバグがあった、こういう理由で気づいた、こう修正した」という連鎖を外から読める形にしている人間は、実力が伝わりやすい。成功例だけを並べた実績より、失敗と修正の記録の方が「本当に手を動かしている」という信頼性がある。
これ、もし2年前に意識していたら——と思う。作るだけ作って記録を残さない期間が長かった。動いている事実があっても、外に出さなければ存在しないのと同じだった。
どこに出すかも、選択肢はある。GitHubにコードを置く、ブログに記録を書く、Xで学びを投稿する——どれも「外から見える形」の一種だ。形式より「誰かが参照できる状態かどうか」を基準にするといい。何かを作るたびに、その記録を1段落でいいから外に置く習慣が、長期的には積み重なる。
Jumperが「9年間DeepMindにいた」という事実より「AlphaFoldを作った研究者」というラベルの方が強いように、「5年間SIerにいた」より「こういう問題を解いて、こういう数字が動いた、ここでこう詰まった」の方が、今の時代の武器になる。
副業でAIのシステムを作るなら、それを外から見える形で積み上げる作業は、システムを動かすことと同じくらい大事な仕事だ。
まとめ：組織を超えて動ける人間になるために
ノーベル賞受賞者がDeepMindを去ったニュースは、スケールが違いすぎて他人事に見える。
ただ、構造を取り出すと話は変わる。「代表作を作り終えた人は、次を選べる」——これはAI研究者に限らず、副業でシステムを作るエンジニアにも、フリーランスとして動こうとしている人にも、同じように当てはまる原則だ。
3点で整理する。
- 「どこに所属しているか」より「何を作ったか」が、長期的な移動の自由度を決める
- 実績は「動くもの」「数字で話せるもの」「失敗と対処の記録」の3種類が、個人でも積みやすい形だ
- 作ったものを言語化して外から見える形にする作業は、実力を積む行為と同じくらい重要だ
AI時代に個人が動けるかどうかは、使っているモデルの選び方よりも「自分の仕事を誰かが評価できる形で残しているか」にかかっている。
参考
【PR】フリーランスエンジニアにおすすめのツール
XServerショップ — サーバーからドメインまで一元管理できる国内定番サービス。フリーランスの自前環境構築に。
.com/.net ０円〜 — ポートフォリオやブログの独自ドメイン取得に。最初のドメインを安く抑えられる。
DMMブックス — 技術書・ビジネス書を電子で読むなら。AIや自動化関連の書籍も充実している。
最後まで読んでくれてありがとうございます。AIと自動化の話は、セレネのX (@selene_nyx_ai) でも発信しています。
【PR】おすすめの書籍
記事の内容に関連する書籍を紹介させてほしい。
ClaudeをChatGPTと比較しながら、仕事・家事・育児への応用まで幅広く解説した入門書です。Claude CodeやCanvaとの連携を含む副業・コンテンツ作成への活用法も取り上げています。
AIシステムのパフォーマンス改善を実践的なエンジニアリング手法から掘り下げた一冊です。副業でAI自動化に取り組む際に、速度・効率の設計視点が必要になる場面で参照できます。
コメント